基于文本挖掘的視頻標(biāo)簽生成及視頻分類研究.pdf

1、在信息技術(shù)高速發(fā)展的時(shí)代，人們獲取信息的途徑正在逐漸從報(bào)紙、廣播、電視等傳統(tǒng)媒體向互聯(lián)網(wǎng)上的多媒體數(shù)據(jù)轉(zhuǎn)移。加之手機(jī)、iPad等移動(dòng)電子設(shè)備的廣泛使用，網(wǎng)絡(luò)上的視頻、音樂(lè)、文字等數(shù)據(jù)已經(jīng)成為人們獲取、存儲(chǔ)信息的重要來(lái)源。由于網(wǎng)絡(luò)資源規(guī)模的迅速增長(zhǎng)，導(dǎo)致視頻數(shù)據(jù)量十分龐大。如果不將這些視頻數(shù)據(jù)進(jìn)行有效的整理，無(wú)論是用戶想快速獲取數(shù)據(jù)，還是資源管理者想處理這些信息，都將變得十分困難。因此，通過(guò)對(duì)視頻資源進(jìn)行分類整理，構(gòu)建結(jié)構(gòu)化的數(shù)據(jù)庫(kù)，將極

2、大地提高互聯(lián)網(wǎng)用戶獲取自己所需視頻資源的速率，并且能幫助資源管理者高效率地分析、處理視頻數(shù)據(jù)，從中分析用戶的行為以及喜好，挖掘出更多的商業(yè)價(jià)值。
　　視頻分類方法主要分為兩大類。一類是基于圖像特征，通過(guò)分析關(guān)鍵幀的圖像性質(zhì)來(lái)對(duì)視頻進(jìn)行分類的方法。研究發(fā)現(xiàn)這類方法時(shí)間、空間成本高，并且受圖像質(zhì)量影響，其局限性大、效率低。另一類是基于文本挖掘，通過(guò)分析視頻的文本信息來(lái)將視頻進(jìn)行分類的方法。用于挖掘的語(yǔ)料主要來(lái)自于視頻的基本描述、用戶所

3、貢獻(xiàn)的標(biāo)簽以及評(píng)論等信息。由于文本數(shù)據(jù)處理的效率相對(duì)較高，技術(shù)相對(duì)成熟，因此，基于文本挖掘的視頻分類方法具有可行性以及研究?jī)r(jià)值。
　　本文主要研究以下幾方面內(nèi)容：
　　(1)通過(guò)對(duì)視頻推薦的特征和需求進(jìn)行分析，發(fā)現(xiàn)運(yùn)用視頻分類與視頻標(biāo)簽對(duì)于優(yōu)化推薦效果的可行性。從文本挖掘的角度和層面來(lái)構(gòu)建視頻分類模型，主要包括數(shù)據(jù)采集、文本預(yù)處理、特征空間降維、分類器訓(xùn)練、分類器評(píng)估等環(huán)節(jié)。
　　(2)重點(diǎn)研究文本挖掘的關(guān)鍵環(huán)節(jié)：特征

4、空間降維和分類器訓(xùn)練。特征項(xiàng)評(píng)估函數(shù)和分類模型直接決定了特征項(xiàng)空間的構(gòu)成，影響最后分類的效果。本文基于已有的文本挖掘理論，提出了一種TCD(Term Category Discrimination)特征評(píng)估方法。并基于χ2統(tǒng)計(jì)和概率調(diào)整技術(shù)，對(duì)樸素貝葉斯的先驗(yàn)概率計(jì)算進(jìn)行了改進(jìn)，并通過(guò)實(shí)驗(yàn)驗(yàn)證改進(jìn)后的分類模型具有更準(zhǔn)確的分類效果。
　　(3)基于樸素貝葉斯的后驗(yàn)概率以及分類結(jié)果，重新設(shè)計(jì)視頻相似度的計(jì)算方式。以TCD特征評(píng)估函數(shù)值